智能体是什么？能感知环境、自主决策并行动的系统

智能体（Agent），也译作代理或主体，是指能够感知所处的环境、根据自己的目标做出决策、并通过行动来影响环境的系统。它是人工智能中一个最基本的概念：斯图尔特·罗素和彼得·诺维格在经典教材《人工智能：一种现代方法》中，就把人工智能定义为研究和构建智能体的学科。

智能体的基本框架

一个智能体通过传感器感知环境，通过执行器作用于环境。人是一种智能体：用眼睛、耳朵感知世界，用手、脚和嘴巴采取行动。机器人是一种智能体：用摄像头、雷达感知周围，用电机和机械臂行动。软件也可以是智能体：比如一个下棋程序，感知的是棋盘上的局面，行动是走一步棋。智能体的核心是：根据它到目前为止感知到的一切，决定下一步采取什么行动，使自己的目标得到最好的实现。一个“理性”的智能体，会选择那些预期能带来最好结果的行动。

智能体的几种类型

罗素和诺维格把智能体按复杂程度分为几类。简单反射型：只根据当前的感知，按照“如果……就……”的规则直接做出反应，比如恒温器温度低于设定值就开启加热。基于模型的反射型：在内部维护一个关于世界状态的模型，能够处理当前看不到的情况，比如记得刚才看到前方有障碍物。基于目标型：知道自己要达到什么目标，会考虑不同的行动能否帮助实现目标，并进行搜索和规划。基于效用型：不仅考虑能否达到目标，还会权衡不同结果的好坏程度，选择期望效用最高的行动，比如在多条路线中选择既快又安全的那一条。学习型：能够从经验中学习，不断地改进自己的行为。强化学习研究的正是这类智能体：它在与环境的交互中，根据获得的奖励来学习最优的行为策略，AlphaGo、玩游戏的 AI、学习走路的机器人都是例子。当多个智能体在同一个环境中相互合作或竞争时，就构成了多智能体系统。

大模型时代的 AI 智能体

近年来，“智能体”这个词有了一个新的、非常热门的含义：以大语言模型为核心、能够自主地完成复杂任务的 AI 系统。传统的大模型聊天应用是“一问一答”：用户提问，模型回答。而 AI 智能体则能够接受一个目标，然后自己思考如何完成它：把任务拆分成多个步骤，制定计划；调用各种外部工具，比如搜索网页、读写文件、执行代码、操作浏览器、调用其他软件的接口；观察每一步的结果，判断是否成功，必要时调整计划；一步步地推进，直到完成任务。比如一个编程智能体可以根据需求自己阅读代码、修改代码、运行测试、修复错误；一个研究智能体可以自己搜索资料、整理信息、撰写报告。

构建这类智能体的关键要素通常包括：规划能力，把复杂的目标分解为可执行的步骤；记忆，记住之前的对话、执行过的操作和获得的信息；工具使用，通过函数调用等方式与外部世界交互；以及反思能力，检查自己的工作并纠正错误。2022 年提出的 ReAct 方法让模型交替地进行推理和行动，是早期有影响力的思路之一。如今，多家公司推出了能够自主编程、操作电脑和浏览器的智能体产品。

挑战与风险

AI 智能体也面临不少挑战：在长而复杂的任务中容易出错，而且错误会逐步累积；可能误解用户的意图，执行不符合预期的操作；能够读取外部内容的智能体可能受到提示词注入的攻击；拥有较大权限的智能体一旦出错，可能造成实际的损失，比如删除重要的文件、发送错误的消息。因此，在设计和使用智能体时，需要遵循最小权限原则，对付款、删除、对外发送等不可逆的操作保留人工确认，并对智能体的行为进行记录和监控。